Ambiente Virtual de Aprendizagem

• Os materiais para a disciplina serão disponibilizados no Ambiente Virtual de Aprendizagem (Moodle) do IFMG:

• https://ead.ifmg.edu.br/formiga/

• O usuáiro/email e a senha para acesso ao AVA são os mesmos que vocês utilizam para acessar o sistema de registro e contole acadêmico Meu IFMG.

• Vocês deverão submeter exercícios, provas e outras atividades no AVA.

Ementa

1. Fundamentos de Análise de Dados

• Linguagem R
• RStudio IDE
• Documentos computacionais (scrpts, notebooks, quarto documents)

2. Análise de Regressão

3. Análise de Componentes Principais

4. Análise Fatorial

5. Análise de Agrupamentos

6. Se houver tempo: Introduçào aos Modelos de Equações Estruturais

Objetivos

• A ênfase deste curso está na aplicação e implementação dos métodos para analisar dados em um contexto multivariado.

• Embora a teoria estatística seja empregada quando necessário, o foco do curso será o uso adequado das técnicas.

• Isso abrange a verificação das suposições dos métodos em relação aos dados, a estimativa de modelos e a avaliação da qualidade do ajuste, bem como a interpretação e validação dos resultados.

• Ao final do curso, espera-se que os participantes sejam capazes de:

  1. Identificar um método multivariaddo correto para abordar uma questão de pesquisa específica.

  2. Entender e implementar de forma independente as diferentes etapas da aplicação de uma análise multivariada de dados usando a linguage R.

  3. Desenvolver relatórios de análises de dados reproduzíveis e auditáveis.

Contexto

• As disciplinas modernas sobre análise de dados (Estatística, Econometria, Aprendizagem Estatística…) são fundamentalmente disciplinas computacionais, mas é fácil constatar que este fato não se reflete na formação dos profissionais das ciências sociais aplicadas (e de outras ciências).

• Com a ascensão dos Big Data e da Ciência de Dados, tornou-se cada vez mais claro que para formarmos pesquisadores e profissionais preparados para os desafios atuais, é necessária um formação explícita em técnicas e ferramentas computacionais.

• Além disso, as diretrizes curriculares recentes afirmam claramente que trabalhar com dados requer extensas habilidades de computação e que os profissionais de admnistração, e certamente dos profissionais das demais áreas, devem ser fluentes no acesso, manipulação, análise e modelagem de dados com softwares e procedimentos profissionais.

Referências

• HAIR, J. F.; BLACK, W. C.; BABIN, B. J.; ANDERSON, R. E.; TATHAM, R. L. Análise Multivariada de Dados. 6 ed., 2009, Porto Alegre: Bookman. (Disponível na biblioteca do campus).

• WICKHAM, Hadley; ÇETINKAYA-RUNDEL, Mine; GROLEMUND, Garrett. R for data science. import, tidy, transform, visualize, and model data. 2nd. ed. 2023. O’Reilly Media, Inc. Disponível em: https://r4ds.hadley.nz.

Avaliações

• Listas de Exercícios: 30 pontos (diversos serão realizados durante as aulas).
• Exame 1: 30 pontos
• Exame 2: 40 pontos

Dias/Horários/Atividades

Recomendações

Assuma a responsabilidade pela sua aprendizagem:

• Invista o tempo necessário.

• Seja proativo e curioso (caso contrário, não deveria tentar cursar um mestrado).

• Entre em tocas de coelho.

• Aprenda a aprender de forma independente (sofisticação técnica).

Programas

• Linguagem R 4.3.1
• IDE RStudio
• Quarto

Instalando a Linguagem R 4.3.1

1. Acesse https://cloud.r-project.org/

2. Selecione o sistema operacional, clicando em Download R for Windows por exemplo.

3. Na página seguinte clique em base

4. Clique em Download R-4.3.1 for Windows

5. Feito o download basta ir clicando em próximo/next até a instalação ser concluída.

Instalando o IDE RStudio

1. Acesse https://posit.co/download/rstudio-desktop/

2. Em geral, o site detecta seu sistema operacional e disponibiliza o instalador adequado loga abaixo de 2: Install RStudio.

3. Clique em Download RStudio Desktop for Windows caso seu sistema operacional seja Windows.

4. Todos os instaladores são disponibilizados na página anterior, após a seção All Installers and Tarballs

Instalando o Sistema de Publicação Quarto

1. Acesse https://quarto.org/docs/download/

2. Percorra a página, encontre o executável para Windows: quarto-1.3.450-win.msi e, finalizado o download, instale clicando no arquivo.

Por que aprender a linguagem R?

• R é uma linguagem de programação de domínio específico, foi criada para analisar dados.

• A linguagem R não envolve cliques, e isso é uma coisa boa

• Analisar dados com a linguagem R é ótimo para reprodutibilidade

• A linguagem R é interdisciplinar e extensível

• A linguagem R é capaz de analisar dados de todas as formas e tamanhos

• A linguagem R produz gráficos de alta qualidade.

• A linguagem R tem uma comunidade grande e acolhedora (Cross Validated, Posit Community){target=“_blank”}

• A linguagem R não é apenas gratuita, mas também é de código aberto e multiplataforma.

Popularidade da Linguagem R

Fonte: PYPL index — April 2023 update

RStudio IDE x Linguagem R

Analogia da diferença entre R e RStudio

• R é uma linguagem de programação, enquanto o RStudio é um Integrated Development Environment que contém recursos que facilitam o uso da linguagem R.

Configurações Iniciais do RStudio

Para acessar as configurações do Rstudio, você precisa clicar em:

• RStudio > Tools > Global Options ou pelo atalho Ctrl + , (Windows)

• RStudio > Tools > Global Options ou pelo atalho Cmd + , (Macintosh).

Configurações: General: Basic

Configurações: Code: Editing

Configurações: Code: Display

Interface do RStudio

Painel: Source

• O painel Source permite que a visualização e edição de vários arquivos relacionados a diversas linguagens, tais como: .R, .qmd,.rmd .py, ou arquivos de texto gerais como .txt ou .md.

• Por padrão, é o painel superior esquerdo e pode ser iniciado abrindo qualquer arquivo editável no RStudio.

• Cada arquivo adicional que for aberto será adicionado como uma nova guia no painel.

• Essa guia exibe também estruturas de dados ativas na sessão.

Gerenciamento de Arquivos

O RStudio suporta realce de sintaxe e outros recursos especializados de edição de código para tipos de arquivos específicos:

• Scripts e Notebooks em R, Python, SQL

• Documentos computacionais e científicos em Quarto, R Markdown e LaTeX.

• Conteúdo da Web, como HTML, CSS

• E muitos mais.

Menu Files

• É possível criar um novo arquivo com File -> New File:

Criando arquivos

• Uma alternativa é usar os elementos visuais no menu:

RStudio Projects

• Cientistas e Analistas de dados mantêm todos os arquivos associados a um determinado projeto juntos e organizados em pastas/diretórios — dados, notebooks, scripts, relatórios etc.

• Esta é uma prática tão sábia e comum que o RStudio tem suporte integrado para isso por meio dos Projects.

• Os RStudio Projects tornam simples organizar seu trabalho em vários contextos, cada um com seu próprio diretório e documentos de origem.

Criando Projects

Os RStudio Projects estão associados a diretórios de trabalho.

Projetos RStudio podem ser criados:

• Em um novo diretório

• Em um diretório existente onde você já tem código R e dados

• Clonando um repositório de controle de versão (Git ou Subversion)

Criando Projects

Na janela seguinte selecione New Project:

Criando Projects

Criando Projects

• Nesta janela digite o nome do diretório que você deseja criar no campo Directory name: (vamos nomeá-lo analise_multivariada_2023).

• Se voce desejar mudar a localização do diretório, clique no botão Browse... e navegue para o local no qual deseja criar o diretório.

• É recomendável marcar a caixa Open in new session.

• Por fim, clique em Create Project para criar o novo projeto.

Criando Projects

Quando um novo projeto é criado, o RStudio:

• Cria um arquivo de projeto (com extensão .Rproj) dentro do diretório do projeto. Este arquivo contém várias opções de projeto e também pode ser usado como um atalho para abrir o projeto diretamente do sistema de arquivos.

• Cria um diretório oculto (.Rproj.user) onde arquivos temporários específicos do projeto são armazenados.

• Carrega o projeto no RStudio e exibe seu nome na barra de ferramentas Projects.

Project Configurado

Project Criado

• Agora que você tem um RStudio Project configurado.

• Você pode começar a criar scripts R e documentos computacionais como notebooks, quarto projects, R markdown…, ou o que for necessário para concluir seu projeto.

• Todos os arquivos de um projeto agora estarão contidos no
  RStudio Project e salvos na pasta do projeto.

• As configurações que fizemos na Seção 4.3 afetam o comportamento dos projetos.

Project da Disciplina

• Estrutura de pastas inicial recomendada para a disciplina:

  • C:/analise_multivariada_2023

    • /data_raw
    • /data_clean
    • /scripts
    • /notebooks
    • /exercicios
    • /slides

• Podemos verificar o diretório de trabalho atual (o diretório para o qual R busca itens) usando o seguinte comendo no console:

getwd()

• Considerando que você tenha criado o projeto analise_multivariada_2023 e esteja uma sessão deste projeto, podemos criar a estrutura de pastas recomendada usando os seguintes comandos no console:

dir.create(data_raw)
dir.create(data_clean)
dir.create(scripts)
dir.create(notebooks)
dir.create(exercicios)
dir.create(slides)

Linguagem R e o Sistema Operacional: Arquivos e Pastas

• Em um ambiente Windows, a linguagem R pode ser uma maneira razoavelmente eficaz de automatizar a manipulação de arquivos e pastas (diretórios).

• A linguagem R possui diversas funções para obter informações do sistema operacional e automatizar o gerenciamento de arquivos e pastas.

• Entretanto, os usuários de sistemas baseados em Unix (Linux/macOS) geralmente já possuem maneiras mais elegantes de lidar com esses tarefas a partir da linha de comando.

• Vejamos algumas funções da linguagem R que permitem realizar operaçòes diretamente no sistema operacional:

1. getwd()

Retorna a pasta de trabalho atual:

getwd()

3. Sys.Date(), Sys.time() e Sys.timezone()

Sys.time e Sys.Date retornam a ideia do sistema da data atual com e sem hora:

Sys.Date()

Sys.time()

Sys.timezone retorna o nome do fuso horário atual:

Sys.timezone()

4. ls() e list.files()

ls retorna os nomes dos objetos ativos no ambiente atual:

ls()

list.files() retorna o nome de arquivos ou pastas do diretório de trabalho:

y <- 10
ls()

list.files()

4. file.exists(), file.info() e file.create()

file.exists("02_tutorial_ggplot2.Rmd")

file.info("02_tutorial_ggplot2.Rmd")

file.create("README.txt")

file.remove("README.txt")

5. dir.exists()

dir.exists("data_raw")

Wokflow dentro do RStudio

Existem duas maneiras principais de trabalhar dentro do RStudio:

1. Teste o código diretamente no console R interativo e copie o código para um arquivo .R que pode ser executado posteriormente.

• Isso funciona bem ao fazer pequenos testes.

• Entretanto, rapidamente se torna ineficaz e trabalhoso.

2. Escreva código em arquivo no painel Source e use as teclas de atalho do RStudio para enviar a(s) linha(s) selecionada(s) para o console.

• Esta é uma ótima maneira de começar; todo o seu código estará salvo para uso posterior.

• Você poderá executar o arquivo criado a partir dos menus do RStudio ou usando a função source() no caso de um script.

3. Ao longo da disciplina iremos utilizar intensamente R Notebooks.

Executando segmentos do seu código em um script

O RStudio oferece grande flexibilidade na execução de código. Existem botões, opções de menu e atalhos de teclado.

Para executar uma linha de código, você pode:

1. clicar no botão Run acima do editor, ou;

2. selecionar Run Selected Lines a partir do menu Code, ou;

3. Digigar Ctrl+Enter no Windows ou Linux ou Cmd+Return no OS X.

R Notebooks

Um Notebook R é um documento R Markdown com trechos de código que podem ser executados de forma independente e interativa, com a saída visível imediatamente abaixo do código.

• Os R Notebooks são uma implementação da Programação Literada que permite a interação direta com R enquanto se produz um documento reproduzível cujo resultado possui qualidade para publicação.

Criando um Notebook

• Você pode criar um novo notebook no RStudio com o comando do menu

  • File -> New File -> R Notebook

Inserindo Trechos de Código (conde chunks)

• Trechos de código podem ser inseridos usando o atalho do teclado:

  • Ctrl + Alt + I (Windows/Linux)
  • Cmd + Option + I (macOS),
  • or pelo menu Insert a new code chunk.

Documentação

Acesse a Documentação sobre R Notebooks aqui